論文の概要: Efficient Context and Schema Fusion Networks for Multi-Domain Dialogue
State Tracking
- arxiv url: http://arxiv.org/abs/2004.03386v4
- Date: Wed, 7 Oct 2020 11:19:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-15 22:54:44.720518
- Title: Efficient Context and Schema Fusion Networks for Multi-Domain Dialogue
State Tracking
- Title（参考訳）: マルチドメイン対話状態追跡のための効率的なコンテキストとスキーマ融合ネットワーク
- Authors: Su Zhu, Jieyu Li, Lu Chen, and Kai Yu
- Abstract要約: 対話状態追跡(DST)は、前回の会話のすべてから現在の対話状態を推定することを目的としている。
マルチドメインDSTでは、状態候補の数の増加と対話長の増加により、データ空間の問題が大きな障害となっている。
従来の対話状態(予測)と現在の対話発話をDSTの入力として利用する。
- 参考スコア（独自算出の注目度）: 32.36259992245
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Dialogue state tracking (DST) aims at estimating the current dialogue state
given all the preceding conversation. For multi-domain DST, the data sparsity
problem is a major obstacle due to increased numbers of state candidates and
dialogue lengths. To encode the dialogue context efficiently, we utilize the
previous dialogue state (predicted) and the current dialogue utterance as the
input for DST. To consider relations among different domain-slots, the schema
graph involving prior knowledge is exploited. In this paper, a novel context
and schema fusion network is proposed to encode the dialogue context and schema
graph by using internal and external attention mechanisms. Experiment results
show that our approach can obtain new state-of-the-art performance of the
open-vocabulary DST on both MultiWOZ 2.0 and MultiWOZ 2.1 benchmarks.
- Abstract（参考訳）: 対話状態追跡(DST)は、前回の会話のすべてから現在の対話状態を推定することを目的としている。
マルチドメインDSTでは、状態候補の数の増加と対話長の増加により、データ空間の問題が大きな障害となっている。
対話コンテキストを効率的に符号化するために,従来の対話状態(予測)と現在の対話発話をDSTの入力として利用する。
異なるドメインスロット間の関係を考慮するために、事前知識を含むスキーマグラフを利用する。
本稿では,対話コンテキストとスキーマグラフを内部および外部の注意機構を用いて符号化するために,新しいコンテキストとスキーマ融合ネットワークを提案する。
実験の結果,MultiWOZ 2.0とMultiWOZ 2.1ベンチマークの両ベンチマークにおいて,オープン語彙DSTの最先端性能が得られた。
関連論文リスト
- Dialogue State Distillation Network with Inter-Slot Contrastive Learning
for Dialogue State Tracking [25.722458066685046]
対話状態追跡(DST)は,対話履歴からユーザの意図を抽出することを目的としている。
現在、既存のほとんどのアプローチはエラーの伝播に悩まされており、関連する情報を動的に選択することはできない。
本稿では,従来の対話状態の関連情報を活用するために,対話状態蒸留ネットワーク(DSDN)を提案する。
論文 参考訳（メタデータ） (2023-02-16T11:05:24Z) - Back to the Future: Bidirectional Information Decoupling Network for
Multi-turn Dialogue Modeling [80.51094098799736]
ユニバーサル対話エンコーダとして双方向情報デカップリングネットワーク(BiDeN)を提案する。
BiDeNは過去と将来の両方のコンテキストを明示的に取り入れており、幅広い対話関連のタスクに一般化することができる。
異なる下流タスクのデータセットに対する実験結果は、我々のBiDeNの普遍性と有効性を示している。
論文 参考訳（メタデータ） (2022-04-18T03:51:46Z) - In-Context Learning for Few-Shot Dialogue State Tracking [55.91832381893181]
In-context (IC) Learning framework for few-shot dialogue state tracking (DST)を提案する。
大規模な事前訓練言語モデル(LM)は、テストインスタンスといくつかの注釈付き例を入力として取り、パラメータの更新なしに直接対話状態をデコードする。
これにより、LMは、新しいドメインやシナリオに適応する際の、以前の数ショットのDST作業と比べて、より柔軟でスケーラブルになります。
論文 参考訳（メタデータ） (2022-03-16T11:58:24Z) - Dialogue State Tracking with Multi-Level Fusion of Predicted Dialogue
States and Conversations [2.6529642559155944]
予測対話状態と会話ネットワークの多レベル融合による対話状態追跡を提案する。
本モデルでは,各発話,対応する最終対話状態,対話スロット間の相互作用をモデル化することにより,各対話ターンに関する情報を抽出する。
論文 参考訳（メタデータ） (2021-07-12T02:30:30Z) - Multi-Domain Dialogue State Tracking based on State Graph [23.828348485513043]
オープン語彙を用いた多ドメイン対話状態追跡(DST)の問題点について検討する。
既存のアプローチは通常、双方向トランスフォーマーエンコーダへの入力として、対話履歴を持つ前の対話状態である。
本稿では,従来の対話状態からのドメイン,スロット,値が適切に接続された対話状態グラフを構築することを提案する。
論文 参考訳（メタデータ） (2020-10-21T16:55:18Z) - Rethinking Dialogue State Tracking with Reasoning [76.0991910623001]
本稿では, 対話状態の段階的追跡を, バックエンドデータの助けを借りて行うことを提案する。
実験の結果,MultiWOZ 2.1の連立信条精度は38.6%向上した。
論文 参考訳（メタデータ） (2020-05-27T02:05:33Z) - UniConv: A Unified Conversational Neural Architecture for Multi-domain
Task-oriented Dialogues [101.96097419995556]
ユニコンブ」はタスク指向対話におけるエンドツーエンド対話システムのための新しい統合型ニューラルネットワークである。
我々は、MultiWOZ2.1ベンチマークにおいて、対話状態追跡、コンテキスト・ツー・テキスト、エンドツーエンド設定の包括的な実験を行う。
論文 参考訳（メタデータ） (2020-04-29T16:28:22Z) - Modeling Long Context for Task-Oriented Dialogue State Generation [51.044300192906995]
本稿では,シンプルで効果的な発話タグ付け手法と双方向言語モデルを用いたマルチタスク学習モデルを提案する。
提案手法は,入力対話コンテキストシーケンスが長い場合に,ベースラインの性能が著しく低下する,という問題を解決する。
本実験では,MultiWOZ 2.0データセットにおいて,ベースラインに対して7.03%の相対的改善を実現し,新しい最先端のジョイントゴール精度を52.04%に設定した。
論文 参考訳（メタデータ） (2020-04-29T11:02:25Z) - Non-Autoregressive Dialog State Tracking [122.2328875457225]
非自己回帰的対話状態追跡(NADST)の新しい枠組みを提案する。
NADSTはドメインとスロット間の潜在的な依存関係を分解し、分離されたスロットではなく完全なセットとして対話状態の予測を改善するためにモデルを最適化する。
以上の結果から,MultiWOZ 2.1コーパス上の全領域にわたる最先端の接合精度が得られた。
論文 参考訳（メタデータ） (2020-02-19T06:39:26Z) - Domain-Aware Dialogue State Tracker for Multi-Domain Dialogue Systems [2.3859169601259347]
タスク指向対話システムでは、対話状態トラッカー(DST)コンポーネントが対話履歴に基づいて対話の状態を予測する。
我々は、完全にデータ駆動であり、動的サービススキーマを予測するためにモデル化されたドメイン対応対話状態トラッカーを提案する。
論文 参考訳（メタデータ） (2020-01-21T13:41:09Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。